Numpy-聚合函数

NumPy 提供了很多统计函数，用于从数组中查找最小元素，最大元素，百分位标准差和方差等。

函数名	说明
`np.sum()`	求和
`np.prod()`	所有元素相乘
`np.mean()`	平均值
`np.std()`	标准差
`np.var()`	方差
`np.median()`	中位数
`np.power()`	幂运算
`np.sqrt()`	开方
`np.min()`	最小值
`np.max()`	最大值
`np.argmin()`	最小值的下标
`np.argmax()`	最大值的下标
`np.inf`	无穷大
`np.exp(10)`	以 e 为底的指数
`np.log(10)`	对数

numpy.power() 函数将第一个输入数组中的元素作为底数，计算它与第二个输入数组中相应元素的幂。
numpy.mean() 函数返回数组中元素的算术平均值。如果提供了轴，则沿其计算。算术平均值是沿轴的元素的总和除以元素的数量。
在大多数数学和编程环境中，默认情况下，log 函数指的是以 10 为底的对数，即常用的“十进制对数”或“常用对数”。在 NumPy 中，默认的 log 函数是以 e（欧拉常数，约等于 2.71828）为底的对数，即自然对数。因此，在使用 log 函数时，需要注意所处的环境和上下文，以确保使用的是正确的对数底数。如果需要计算以 10 为底的对数，可以使用 np.log10() 函数。

🎯实战

# coding: utf-8import numpy as np# 示例数组
arr = np.array([1, 2, 3, 4, 5])# 求和
print(np.sum(arr))  # 输出：15# 所有元素相乘
print(np.prod(arr))  # 输出：120# 平均值
print(np.mean(arr))  # 输出：3.0# 标准差
print(np.std(arr))  # 输出：1.4142135623730951# 方差
print(np.var(arr))  # 输出：2.0# 中位数
print(np.median(arr))  # 输出：3.0# 幂运算
print(np.power(arr, 2))  # 输出：[ 1  4  9 16 25]# 开方
print(np.sqrt(arr))  # 输出：[1. 1.41421356 1.73205081 2. 2.23606798]# 最小值
print(np.min(arr))  # 输出：1# 最大值
print(np.max(arr))  # 输出：5# 最小值的下标
print(np.argmin(arr))  # 输出：0# 最大值的下标
print(np.argmax(arr))  # 输出：4# 无穷大
print(np.inf)  # 输出：inf# 以 e 为底的指数
print(np.exp(10))  # 输出：22026.465794806718# 对数
print(np.log(10))  # 输出：2.302585092994046